تحول چهار بعدی یک تکنیک ریاضی است که برای تجزیه و تحلیل اجزای فرکانس سیگنال ها استفاده می شود.در هنگام کار با سیگنال های پیچیده، به ویژه در پردازش سیگنال دیجیتال، ابزارهایی مانند تابع FFT SciPy راه های کارآمد برای انجام این محاسبات ارائه می دهند.این مقاله نمونه های عملی از چگونگی محاسبه چهارر سیگنال های پیچیده با استفاده از SciPy را ارائه می دهد.

استفاده از SciPy FFT

کتابخانه SciPy ماژول را ارائه می دهد که شامل تابع است.این تابع چهار تبدیل جداگانه یک بعدی از داده های ورودی واقعی یا پیچیده را محاسبه می کند.

برای انجام یک تغییر چهار بعدی در یک سیگنال پیچیده، به سادگی آرایه پیچیده را به تابع منتقل کنید. خروجی یک آرایه پیچیده است که دامنه فرکانس سیگنال ورودی را نشان می دهد.

مثال: چهار تغییر یک سینوس پیچیده

یک سینوس پیچیده متشکل از دو موج گناه با فرکانس های مختلف ایجاد این سیگنال و استفاده از FFT نشان دهنده اجزای فرکانس آن است.

اول، سیگنال را ایجاد کنید:

[FLT3]

[[ویرایش]

[[ویرایش]

[[ویرایش]

[FLT7]

FFT را اعمال کنید:

[در این میان]

طیف وسیعی را می توان با:

[[ویرایش]

تفسیر نتایج

خروجی FFT شامل اعداد پیچیده ای است که اطلاعات دامنه و فاز را برای هر جزء فرکانسی نشان می دهد.شاخص با فرکانس باینری مطابقت دارد که می تواند به عنوان:

[FLT 10 ]

خلاصه کردن طیف وسیعی در برابر این فرکانس ها به تجسم فرکانس های غالب در سیگنال کمک می کند.

نتیجه گیری

تابع SciPy’s FFT یک راه ساده برای تجزیه و تحلیل سیگنال های پیچیده در دامنه فرکانس فراهم می کند.با تولید سیگنال ها و تفسیر خروجی FFT، کاربران می توانند اطلاعات فرکانسی معنی دار را برای کاربردهای مختلف استخراج کنند.